資源描述：
《基于mean-shift目標跟蹤算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)學(xué)校代號：10536學(xué)號：11108010843密級：公開長沙理工大學(xué)碩士學(xué)位論文基于mean．shift目標跟蹤算法的研究學(xué)位申請人姓名熟廈壹指導(dǎo)教師奎蝰煎援所在學(xué)院鹽簋扭量適籃王程堂暄專業(yè)名．稱通信與信息系統(tǒng)論文提交日期2Q!壘生壘縣論文答辯日期2Q!塵生至旦2墨旦答辯委員會主席割塞墊拯萬方數(shù)據(jù)TheResearchBaseOnMean—shiftTrackingAlgorithmYAOYuanqingB．E．(ChangshaUniversityofScience&Technology)2011Athesiss
2、ubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringmCommunicationandInformationSystemmChangShaUniversityofScience&TechnologySupervisorProfessorLiFengMay,2014萬方數(shù)據(jù)長沙理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含
3、任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均己在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：渺融日期：妒，薛‘月6日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)長沙理工大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。同時授權(quán)中國科學(xué)技術(shù)信息研究所將本論文收錄到《中國學(xué)位
4、論文全文數(shù)據(jù)庫》，并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。本學(xué)位論文屬于l、保密口，在年解密后適用本授權(quán)書。2、不保密d。(請在以上相應(yīng)方框內(nèi)打“巾)作者簽名：日期：仞c炸舌月莎日日期：弘(侔占月6日萬方數(shù)據(jù)摘要隨著智能計算技術(shù)的迅速發(fā)展以及受到各個國家的安全部門、高等研究者等的重視，計算機視覺技術(shù)已成為高新技術(shù)領(lǐng)域的研究熱點。而視覺跟蹤是計算機視覺分析技術(shù)中的重要組成。視覺跟蹤就是在圖像序列的每一幀跟蹤到運動的目標。Mean-shift(均值漂移)方法實質(zhì)上是一種梯度下降算法，通過mean-shift迭代直至收斂到相似性函數(shù)的局
5、部極值點，最初用于模式識別中的聚類分析，近年來在目標跟蹤領(lǐng)域中有廣泛用途。傳統(tǒng)的mean—shift算法主要的可以研究的關(guān)鍵點有：選取合適的目標特征；選取合適的相似性度量模型：算法的尺度自適應(yīng)問題；算法收斂到局部極值的問題。在一些復(fù)雜的場景中，跟蹤過程會出現(xiàn)目標的遮擋、光照影響以及目標形狀的變化等可能出現(xiàn)的問題。本文針對這些問題，在傳統(tǒng)的mean—shift算法的基礎(chǔ)上作出改進。第一，對于傳統(tǒng)的目標跟蹤算法中對目標的描述，只考慮了顏色RGB模型信息。在一些有光照影響的場景，跟蹤往往失敗，提出加入對目標的紋理特征描述，增大對光
6、照場景的魯棒性。第二，對于目標被部分遮擋的問題，提出在傳統(tǒng)mean-shift算法中，迭代搜索均值漂移最佳收斂點的過程中，在不失算法實時性的基礎(chǔ)上增大搜素區(qū)域，并用紋理特征判斷找出最佳收斂點。第三，對于多種特征融合會增大特征維度的問題，本論文將目標多特征模型看成是每個特征子模型的集合，然后將每個子模型的相似性度量線性加權(quán)求和。不僅避免了特征的維度會增大的問題而且能自適應(yīng)根據(jù)復(fù)雜的場景運用目標的各個特征。并且在前面問題已解決的基礎(chǔ)上，將傳統(tǒng)的B系數(shù)匹配度量替換成已提出的EMD模型，擬在解決對于復(fù)雜場景的適應(yīng)性以及算法實時性的問
7、題。通過實驗仿真對比證明，本文提出的算法在一些實際的場景下，能保持準確的跟蹤。與傳統(tǒng)算法以及基于單特征的跟蹤算法比較，在魯棒性和實時性方面有較大的優(yōu)勢。關(guān)鍵詞：計算機視覺；目標跟蹤；均值漂移；光照；遮擋；多特征萬方數(shù)據(jù)ABSTRACTWiththerapiddevelopmentofintelligentcomputingtechnology,computervisionwhichgainsattentionfrom'thesecurityandresearcheshasbecomethefrontieroftheITind
8、ustryandhi曲technologyfield．However,asallimportantpartofcomputervision，visualtrackingistryingtogetthelocationofthemovingsubjectinterestedfromevery
